移動用戶軌跡與行為模式挖掘方法研究.pdf

1、近年來，隨著移動互聯網應用的迅猛發展，如何對智能手機、掌上電腦、IPAD等移動設備產生的豐富數據進行挖掘，已成為數據挖掘領域的一個研究熱點。移動數據挖掘在各種基于位置的服務中有著廣泛應用，如早期預警系統、交通流量規劃、城市計算、移動營銷、社交網絡等。在這些應用中，通常需要根據用戶的移動歷史記錄進行移動用戶建模，獲取其行為模式，如用戶的歷史訪問地點、偏好信息以及情境信息等，其中地點信息是理解用戶行為模式的最基本要素。本文深入研究了移動用戶

2、軌跡和行為模式挖掘方法。為此，本文基于一個統一的框架，提出了地點位置的坐標提取、用戶停留點檢測和用戶頻繁行為模式挖掘方法。在該框架中，首次提出同時利用GSM網絡時空數據和用戶提供的語義信息進行用戶行為建模，因此在多種基于位置的服務中有著廣泛應用前景。
　　 論文的主要工作和創新點如下:
　　 1.提出一種基于空間聚類的移動數據預處理方法。該方法包括空間坐標提取，空間離群點檢查以及缺失值填充三個部分。首先，通過Google

3、 API和MIT的開源數據集，獲取移動數據的空間坐標;然后，提出基于語義和空間進行聚類的算法，解決GSM網絡結構變遷(從2G轉向3G)造成的數據異常和數據丟失問題。最后，在真實數據集上對該聚類算法進行了驗證，結果表明提出的新方法有較好的效果和較高的效率。
　　 2.提出利用移動用戶移動軌跡的連續性進行用戶停留點檢測的方法。首先利用GSM網絡的基本特性和用戶提供的語義信息解決基站震蕩的問題;其次根據用戶移動過程中軌跡中基站范圍彼此

4、重疊的特性和用戶停留的時間信息，提出了一種基于地理柵格的聚類方法進行用戶停留點檢測。在真實數據集上的實驗結果表明，與用戶標注的地點信息作為基準，該方法具有81.70％的準確率。
　　 3.提出一種基于頻繁模式挖掘的移動用戶行為模式挖掘的模型。用戶趨勢分析和行為模式挖掘是很多基于位置服務的核心。為此，本文提出了結合用戶所處的時空信息，利用頻繁模式挖掘中的前綴掃描算法進行移動用戶行為模式挖掘。并進一步利用挖掘到的行為模式進行用戶相似